前沿研究丨用于智能维护的大数据调度和全球标准方法( 八 ) 本文选自中国工程院院刊《E

我们还注意到，与机器购买前后的相同时间间隔相比，内部人员的培训费用减少了（36±16）% 。故障和培训成本的降低与协议应用的时间没有相关性（R2=0.552和R2=0.071）。为了确定数字辅助系统是否正常工作，我们还评估了外包服务请求是否减少。事实上，尽管测量值减少了（35±13）% ，其与接近零故障的高级诊断的应用时间之间也是无关的（R2=0.400）。这一发现表明，故障和停机时间的减少与人力资源培训无关。尽管没有历史相关性（R2=0.144），但产量增加了（19±3）% ，而停机事件数量减少了（3504±1250）次，且与接近零故障的高级诊断的应用时间呈线性相关（R2=0.927）。仔细的规划通常会导致月份与干预次数之间的正线性关系，又或者干预的数量通常会随着机器年龄的增长而增加。持续改进系统必须与所有严重程度的维护的逐步减少相互作用。在12~38个月的时间内，停机事件的次数与接近零故障的高级诊断的应用时间之间的关系是一个对数曲线，该曲线倾向于6年后平均每月有100次的潜在干预（图7）。
文章插图
图7 在12~38个月的时间里停机事件呈现的趋势
总之，本文所提供的智能系统能够支持人类活动，减少停机时间、故障和培训成本，并提高生产力。得益于联系网络空间与物理空间、大数据分析和智能应用设计的全球管理方法，智能维护减少了售后协助的数量，并通过对数字平台的不断改进，使外包维护活动趋向零。
七
讨论
对本文所描述的方法的采用会产生一个自学过程，在这个过程中，不再需要人员培训；相反，该过程足以在需要时遵循单点课程。事实上，实验结果表明，故障、停机事件和相关成本的减少与专门的人力资源培训无关，而是来自调度和机器学习。
这种方法的灵感来自社会5.0的愿景，它将物理空间与网络空间联系起来。在社会5.0中，环境定义了使用智能系统实现最大效率的全球感兴趣区域，并使用创新的方法来管理大规模定制。通过将先进的计算技术应用于广泛的数据收集的统计分析，系统能够降低定制和恢复活动的标准差。本文提出的方法解决了现代维护系统从“预测和预防”实践到“分析根本原因并保持积极主动”方法的范式转变。
为了在智能社会中发展所提出的持续改进系统，有必要：
? 界定以人为中心的人-信息-物理空间；
? 实施自主学习的跨操作结构；
? 使工业4.0的结构功能化；
? 以不断完善为目的，设计与智能系统一致的网络；
? 设计管理物理空间和网络空间的操作和硬件结构；
? 为流程的定制和AI的未来实现建立功能调度。
在这个框架中，自动数据收集是强制性的，以便使用所有可用的工具定义大数据链，并确定过程中所需的人力资源。随着时间的推移，高效的个性化设备可以通过接近零故障的高级诊断系统自我改进，这一方法可被视为适用于任何类型的组织的一般管理方法。
GSM5方法使部分决策过程自动化，提高了互操作性效率，同时提供了过程的功能分析，从而促进定制高级诊断的软件工具的开发。这些过程是相互联系的，在保证人类始终处于核心位置的同时，产生一个在各级自动持续改进的循环。因此，即便不是“数字原住民”或信息技术组件专家，操作人员也能够完成他们的活动并履行他们的职能（如使用单点课程）。这样，智能工厂和智能组织的发展就更加可持续。一旦探索了所有工艺（包括生物和绿色部门内的工艺，如与环境影响和毒理学有关的工艺），就有可能将活动转移给人工智能。所有这些被描述的步骤都使工业5.0的实现成为可能。
八未来发展方向及局限性
通过实施所提出的方法，可以减少技术升级到工业 4.0的培训时间和成本，以提高生产力。为了实现全球缩放标准化下操作过程的持续改进，我们首先从允许软件结构定义和重组的数据收集开始，其次，在降低风险和提高吞吐量的同时，定制操作过程。
通过设计人工智能实现的调度，我们测试了所提出的遏制风险方法，为数字时代的每一次变化确定维护方法中的适当问题。
由于所有这些原因，我们假设，通过训练神经网络来考虑人类的习惯（性格），可以最大限度地提高智能系统的性能，并保持高标准的质量、可持续性和互操作性。一旦从实际案例中获得了令人满意的数据，就有可能实现具有“特征人工智能”（characterized AI）的自动决策，就像一个成长中的孩子，即使在行动能力不足的情况下，仍能利用其感官实现与系统的交互。根据传感器的不同， “特征人工智能”神经网络可能会生成与不同问题相关的消息，这与所研究的人类非常相似，尽管受到与信息物理系统连接的自动化的限制，其仍能帮助人力资源用自动操作恢复原始条件。